CN104049634A - 基于Camshift算法的智能体模糊动态避障方法 - Google Patents

Abstract

本发明公开了一种基于Camshift算法的智能体模糊动态避障方法，其内容是智能体小车通过CCD摄像头获取智能体小车环境图像信息，DSP图像处理器模块将图像信息进行处理，利用OpenCV函数库的Camshift算法进行运动目标跟踪和定位，获取动态障碍物坐标并发送给底层控制器模块，将动态障碍物坐标、智能体小车速度和三侧超声波测距信息输入给动态避障模糊控制器，后者输出智能体小车的转向角ψ及速度v控制指令，实现动态避障。本发明利用Camshift算法实现了快速目标匹配和定位，提高了动态环境中捕获动态障碍物的速度，弥补了动态避障中因为捕获动态目标速度过慢而导致的避障滞后甚至失败。

Description

基于Camshift算法的智能体模糊动态避障方法

技术领域

本发明涉及基于多智能体避障及路径规划、多传感器信息融合等领域的控制方法，具体是通过图像采集、OpenCV图像处理、信息融合、模糊控制等技术，将获取的智能体周围环境信息输入给动态避障模糊控制器，后者输出智能体的转向角及速度控制指令，实现实时准确的动态避障，为路径规划奠定基础。本发明尤其涉及一种基于Camshift算法的智能体模糊动态避障方法。

背景技术

避障对于移动机器人的自主导航和路径规划是必不可少的，移动机器人的避障研究一直是移动机器人的研究热点，移动机器人避障***的好坏直接影响到移动机器人执行各项任务的能力，特别是在具有静态和动态障碍物的复杂环境中能够完成局部在线避碰是移动机器人自主性的重要体现。

经过对现有文献的检索得知：中国专利申请号为：20120539473.X，其名称为：一种智能水下机器人的自主避障方法，该专利申请提出了一种将水下机器人运动目标、障碍物和水下机器人控制性能进行统一考虑来实现避障的方法，避障策略能够反映智能水下机器人动态避障能力，但是需要根据作业任务和海图数据库信息进行全局路径规划，具有很大的局限性。中国专利申请号为：201110210600.7，其名称为：一种基于模糊神经网络的智能轮椅避障方法，该方法用模糊神经网络的方法融合两个声纳传感器和摄像头采集到的实时信息，时刻计算轮椅与障碍物的实时位置，完成轮椅的动态避障。该方法需要对摄像头多次采集到的信息进行训练，得到障碍物的分类器和障碍物在摄像头坐标里的坐标位置，因此模糊神经网络计算量较大，实时性差。中国专利申请号为：200810120209.6，其名称为：一种基于障碍物运动预测的移动机器人避障方法，该方法将环绕于机器人周围的空间由外到内以机器人为中心划分为3个区域，实行不同的避障策略，使用IMM算法预测障碍物的运动状态，但是只能使移动机器人可以在小范围进行动态避障，而不用大范围偏离原规划路径。

通过对避障方面相关文献的研究发现，对于结构化的静态环境下的避障策略居多，动态环境下的避障研究较少，且动态环境下的避障策略也存在着捕获动态目标实时性差、避障策略计算量大而导致的避障迟滞性等缺陷，动态避障模糊控制算法综合了视觉及超声测距信息，加入了速度反馈，提高了控制***的抗干扰能力。

发明内容

针对现有动态避障策略的不足，本发明的目的是提出了一种基于Camshift算法的智能体模糊动态避障方法，智能体小车通过CCD摄像头获取智能体小车环境图像信息，DSP图像处理器模块将图像信息进行预处理，利用OpenCV函数库的Camshift算法，进行目标的跟踪及定位，在连续的图像中寻找目标的位置和目标的大小，迅速捕获动态障碍物坐标信息并发送给底层控制器模块，将动态障碍物坐标、智能体小车速度和智能体小车车体前方、左前方和右前方三侧的超声波测距信息输入给动态避障模糊控制器，后者输出智能体小车的转向角ψ及速度v控制指令，提高了动态避障的快速性和准确性。

为了解决上述存在的技术问题实现发明目的，本发明是通过以下技术方案实现的：

一种基于Camshift算法的智能体模糊动态避障方法，该方法的实现过程基于移动的智能体小车，所述的智能体小车包括CCD摄像头模块、DSP图像处理器模块、超声波测距模块和底层控制器模块，这其中：

所述的CCD摄像头模块为车载摄像头，置于智能体小车正前方，具有大范围的俯仰和侧摆能力；

所述的DSP图像处理器模块中嵌入了OpenCV图像处理函数库，具有图像处理功能，利用函数库内的Camshift算法，在连续的图像中寻找目标的位置和目标的大小，快速地匹配出目标，实时的进行运动目标跟踪和定位，获取动态障碍物坐标并发送给底层控制器模块；

所述的超声波测距模块分别置于智能体小车车体前方、左前方和右前方，左前方和右前方均与前方成角度θ，θ取45度，测量前方障碍物的距离信息；

所述的底层控制器模块置有动态避障模糊控制器，所述的动态避障模糊控制器植入了动态避障模糊控制算法，所述的底层控制器模块与所述的DSP图像处理器模块通信获取动态障碍物坐标信息，并与超声波测距距离和智能体小车速度信息一起输入给动态避障模糊控制器，获得智能体小车的转向角和速度控制指令；其中动态避障模糊控制器基于动态避障模糊控制算法，共有五个输入和两个输出，五个输入为动态障碍物坐标、智能体小车速度以及车体前方、左前方和右前方三侧的超声波测距信息，两个输出为智能体小车的转向角ψ及速度v，该控制器根据输入变量及内嵌的模糊控制规则，按模糊推理合成规则计算输出控制量；

所述的一种基于Camshift算法的智能体模糊动态避障方法依托所述智能体小车组成的模块实现其模糊动态避障，其内容包括以下步骤：

第一步：智能体小车通过车载CCD摄像头的俯仰和侧摆获取智能体小车周围环境图像信息；

第二步：DSP图像处理器模块将获取的图像信息进行预处理后，利用OpenCV函数库的Camshift算法，通过识别目标的颜色特征，在连续的帧图像中寻找目标的位置和目标的大小，从而实现动态目标跟踪和定位，迅速捕获动态障碍物并将坐标信息并发送给底层控制器模块；

第三步：将获取的摄像头坐标，即动态障碍物坐标，转换为智能体小车所在的空间坐标，根据坐标在图像中的位置将坐标模糊化，分为障碍物位于智能体小车左侧L、障碍物位于智能体小车前方F和障碍物位于智能体小车右侧R，确定其在智能体小车前方的位置区域；将三侧超声波测距信息模糊化为近距N、远距F和不远不近M，速度模糊化为慢速S和快速F；将模糊化后的动态障碍物坐标、智能体小车速度和三侧超声波测距信息输入动态避障模糊控制器，输出智能体小车的转向角ψ及速度v控制指令，实现动态避障。

本发明方法中智能体小车通过CCD摄像头获取智能体小车环境图像信息，DSP图像处理器模块将图像信息进行处理，利用OpenCV函数库的Camshift算法进行运动目标跟踪和定位，获取动态障碍物坐标并发送给底层控制器模块，将动态障碍物坐标、智能体小车速度和三侧超声波测距信息输入给动态避障模糊控制器，后者输出智能体小车的转向角ψ及速度v控制指令，实现动态避障。

由于采用上述技术方案，本发明与现有技术相比其有益效果是：利用Camshift算法实现了快速目标匹配和定位，提高了动态环境中捕获动态障碍物的速度，弥补了动态避障中因为捕获动态目标速度过慢而导致的避障滞后甚至失败。同时，将动态障碍物坐标、智能体小车速度和三侧超声波测距距离五个环境信息作为动态避障模糊控制器的输入，并加入速度反馈，提高了***躲避动态障碍物的准确性及快速性。

附图说明

图1是智能体小车结构图；

图2是动态避障模糊控制算法示意图。

具体实施方式

以下通过具体的实施例并结合附图对本发明的作进一步描述：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方法和具体的操作过程，但本发明的保护范围不限于下述实例。

实施例

本实例涉及的一种基于Camshift算法的智能体模糊动态避障方法，如图1所示，智能体小车由CCD摄像头模块4、超声波测距模块1、超声波测距模块2、超声波测距模块3、DSP图像处理器模块5和底层控制器模块6组成。其中超声波测距模块1、超声波测距模块2和超声波测距模块3均采用US-100超声波测距模块，CCD摄像头模块4采用高清摄像头OV7725，DSP图像处理器模块5采用ADIblackfin537DSP处理器，处理速度可达最快500MHz，具有高速图像处理能力，底层控制器模块6采用MCU51单片机模块；

其中：所述的CCD摄像头模块4为车载摄像头，置于智能体小车正前方，具有大范围的俯仰和侧摆能力；

所述的超声波测距模块1、超声波测距模块2和超声波测距模块3分别置于车体左前方、前方和右前方，左前方和右前方均与前方成角度θ，θ取45度，测量前方障碍物的距离信息；

所述的DSP图像处理器模块5中嵌入了OpenCV图像处理函数库，具有图像处理功能，利用函数库内的Camshift算法，在连续的图像中寻找目标的位置和目标的大小，快速的匹配出目标，实时的进行运动目标跟踪和定位，获取动态障碍物坐标并发送给底层控制器模块；

所述的底层控制器模块6植入动态避障模糊控制算法，所述的底层控制器模块与所述的DSP图像处理器模块通信获取动态障碍物坐标信息，并与超声波测距距离和智能体速度信息一起输入给动态避障模糊控制器，获得智能体小车的转向角和速度控制指令；动态避障模糊控制器共有五个输入和两个输出，其中五个输入为动态障碍物坐标、智能体小车速度和三侧超声波测距信息，两个输出为智能体小车的转向角ψ及速度v；

智能体小车车载CCD摄像头4通过俯仰和侧摆获取智能体小车周围环境图像信息，DSP图像处理器模块5将图像信息进行预处理后，利用OpenCV函数库的Camshift算法进行运动目标跟踪和定位，获取动态障碍物坐标信息并发送给底层控制器模块，底层控制器模块中植入动态避障模糊控制器，如图2所示，然后将获取的动态障碍物坐标信息、智能体小车速度和三侧超声波测距信息进行模糊化，其中将动态目标的坐标信息划分为障碍物位于智能体小车左侧L、障碍物位于智能体小车前方F和障碍物位于智能体小车右侧R，将三侧超声波测距信息模糊化为近距N、远距F和不远不近M，智能体小车速度模糊化为慢速S和快速F,然后输入动态避障模糊控制器，根据其内部的模糊控制规则，按模糊推理合成规则计算输出控制量，获得智能体小车的转向角ψ及速度v，实现动态避障。

Claims (1)

1.一种基于Camshift算法的智能体模糊动态避障方法，其特征在于：

该方法的实现过程基于移动的智能体小车，所述的智能体小车包括CCD摄像头模块、DSP图像处理器模块、超声波测距模块和底层控制器模块，这其中：

所述的CCD摄像头模块为车载摄像头，置于智能体小车正前方，具有大范围的俯仰和侧摆能力；

所述的DSP图像处理器模块中嵌入了OpenCV图像处理函数库，具有图像处理功能，利用函数库内的Camshift算法，在连续的图像中寻找目标的位置和目标的大小，快速地匹配出目标，实时的进行运动目标跟踪和定位，获取动态障碍物坐标并发送给底层控制器模块；

所述的超声波测距模块分别置于智能体小车车体前方、左前方和右前方，左前方和右前方均与前方成角度θ，θ取45度，测量前方障碍物的距离信息；

所述的底层控制器模块置有动态避障模糊控制器，所述的动态避障模糊控制器植入了动态避障模糊控制算法，所述的底层控制器模块与所述的DSP图像处理器模块通信获取动态障碍物坐标信息，并与超声波测距距离和智能体小车速度信息一起输入给动态避障模糊控制器，获得智能体小车的转向角和速度控制指令；其中动态避障模糊控制器基于动态避障模糊控制算法，共有五个输入和两个输出，五个输入为动态障碍物坐标、智能体小车速度以及车体前方、左前方和右前方三侧的超声波测距信息，两个输出为智能体小车的转向角ψ及速度v，该控制器根据输入变量及内嵌的模糊控制规则，按模糊推理合成规则计算输出控制量；

所述的一种基于Camshift算法的智能体模糊动态避障方法依托所述智能体小车组成的模块实现其模糊动态避障，其内容包括以下步骤：

第一步：智能体小车通过车载CCD摄像头的俯仰和侧摆获取智能体小车周围环境图像信息；

第二步：DSP图像处理器模块将获取的图像信息进行预处理后，利用OpenCV函数库的Camshift算法，通过识别目标的颜色特征，在连续的帧图像中寻找目标的位置和目标的大小，从而实现动态目标跟踪和定位，迅速捕获动态障碍物并将坐标信息并发送给底层控制器模块；

第三步：将获取的摄像头坐标，即动态障碍物坐标，转换为智能体所在的空间坐标，根据坐标在图像中的位置将坐标模糊化，分为障碍物位于智能体小车左侧L、障碍物位于智能体小车前方F和障碍物位于智能体小车右侧R，确定其在智能体小车前方的位置区域；将三侧超声波测距信息模糊化为近距N、远距F和不远不近M，速度模糊化为慢速S和快速F；将模糊化后的动态障碍物坐标、智能体小车速度和三侧超声波测距信息输入动态避障模糊控制器，输出智能体小车的转向角ψ及速度v控制指令，实现动态避障。